偶然有了个歪主意，想看看群里哪些人交流较为频繁，哪些人更倾向于潜水，同时观察哪些人喜欢用哪些词聊天，于是找了个死党群，导出了一份QQ群聊天记录，开始了秘密窥探...为了留一点点的隐私，群成员的昵称进行了一些别称处理(⊙o⊙)…
根据狄大人的套路，先将结果说出来，再来还原作案过程，元芳看这样可行！
真相只有一个将分析结果化为关系图，把一个个的小圆圈当做群里的人，聊天较多的就连一条线，如图：
从图中可以发现，本群中没有潜水的人，总体情况还是比较活跃的，也发现了谢三哥简直就是话题的中心，和谁都能聊上！
要破案总得有些理论依据，下面一起来看看！
破案原理根据聊天记录在QQ群的分布，聊天信息基本上是在一个板块的，如A一句B一句，那么只需要统计与某人A距离最近的某些人BCD的聊天记录数，取频率较高的就可算出某人A的频繁聊天对象，同时统计出某人A的聊天用词数，取频率较高的就可算出某个人身边的频繁字词，而这刚好就是word2vec（没见过该词可直接跳过，不影响阅读）原理的应用，使用word2vec的skip-gram模型，就可以实现使用某个词来预测周围的词，如冉某人今天准备做什么这句话，循环遍历该句话的词组，以每一个词为中心词，并在中心词两边以窗口2进行切分，就可以得到每一个词相关联的词：
[冉某人 今天 准备] 做 什么->冉某人 的关联词组：【(冉某人，今天),(冉某人，准备)】
[冉某人 今天 准备 做] 什么->今天 的关联词组：【(今天，冉某人),(今天，准备),(今天，做)】
[冉某人 今天 准备 做 什么]->准备 的关联词组：【(准备，冉某人),(准备，今天),(准备，做)，(准备，什么)】
...以此类推
根据切分的词组对进行统计学习，就可以计算出每一个词周围最有可能出现的词（包括聊天对象）
案件还原（实践过程）讲完了原理，是时候来看看案件的经过了!
流程说明
实践过程主要包括以下几个部分
- 群聊对象列表提取
- 数据预处理：语料库中分词，停用词去除等
- skip-gram模型训练
- 根据模型提取结果
根据实践过程，设计代码结构如下:
代码主体结构
代码实现
各函数定义：
函数结构定义
实现定义好的函数的具体逻辑：
结果预览：
